謝 磊, 薛雙飛, 黃 立, 包 竹

(武漢理工大學 國家水運安全工程技術(shù)研究中心，武漢 430063)

基于輪廓線聚類分析的船舶超吃水檢測

謝 磊, 薛雙飛, 黃 立, 包 竹

(武漢理工大學 國家水運安全工程技術(shù)研究中心，武漢 430063)

針對在船舶吃水檢測中采用人工登船測量法工作量大、實施效率低等問題，歸納分析現(xiàn)有的船舶吃水狀態(tài)自動檢測技術(shù)。從檢測的準確性和可行性出發(fā)，采用岸基檢測法獲取船舶激光點云數(shù)據(jù);通過一種基于聚類分析的船舶水面輪廓重構(gòu)方法剔除激光檢測產(chǎn)生的大量噪聲點，完成船舶水上部分三維重構(gòu);結(jié)合船舶靜態(tài)信息推算出船舶吃水狀態(tài)。試驗結(jié)果證明，該方法能快速準確地獲取船舶三維重構(gòu)圖，可作為船舶超吃水檢測手段。

激光點云；吃水檢測；模糊C-均值聚類；三維重構(gòu)

船舶超吃水航行是引發(fā)擱淺、觸損和沉沒等水上交通事故的主要原因之一。長期以來，一些船舶運營單位和船舶所有人為追求經(jīng)濟效益而忽視安全問題，不按照航道維護水深進行配載,一旦發(fā)生事故，往往會造成航道損害乃至船沉人亡的悲劇。對此,如何準確有效地判斷船舶吃水情況受到相關(guān)單位的高度重視。目前，海事管理機構(gòu)主要通過人工測量進行超吃水檢測,一般采用上船查看水尺、到艙內(nèi)實際丈量等方法，誤差較大。特別是有些船舶沒有水尺，或水尺不準確，致使航道行政管理人員難以掌握船舶的實際吃水情況，不能取得真實有效的證據(jù)。

隨著科學技術(shù)的不斷發(fā)展,技術(shù)融合和新型服務(wù)開始產(chǎn)生，航運安全監(jiān)管技術(shù)裝備更新?lián)Q代的速度不斷加快。[1]在船舶吃水狀態(tài)自動檢測領(lǐng)域，已有很多學者進行深入研究，提出多種實用化方法。這里對這些方法進行歸納和分析，提出基于輪廓線聚類分析的船舶吃水檢測方法，以提高海事管理部門對船舶載貨狀態(tài)的監(jiān)測效率。

1 現(xiàn)有船舶吃水狀態(tài)檢測技術(shù)

國外對航道疏浚的投入很大，對船舶吃水的管理非常嚴格，一 旦發(fā)現(xiàn)有船舶因違規(guī)而擱淺，將處以重罰,因此國外的船舶很少出現(xiàn)超吃水現(xiàn)象。而在國內(nèi)，船舶超吃水的檢測手段和管理方式仍然比較落后,現(xiàn)有的船舶超吃水檢測方法大多停留在理論和試驗階段，尚未得到全面推廣。按工作位置的不同，可將現(xiàn)有的超吃水檢測方法分為船基檢測、水下檢測和岸基檢測等3類。

1.1 船基檢測法

利用水壓力測量船舶吃水狀態(tài)的方法[2]為：在被測船舶兩舷的被測點位置安裝鋼架，在鋼架上固定壓力傳感器;船舶吃水不同，利用壓力傳感器測得的壓力數(shù)值也不同,這樣就可根據(jù)船舶實際情況設(shè)置壓力警報，從而判定船舶是否處于超吃水狀態(tài)。

浮子式船舶吃水檢測法也能達到上述效果。在該方法中,檢測腔底部與船舶外部水連通形成連通器，浮子開關(guān)懸吊在連通器內(nèi)，其高度與船舶載重線的高度相同。浮子通過電路與外部的電源連接形成閉合回路，若船舶的載重量超過標準，浮子隨著連通器水位的上升而上升，觸發(fā)判斷單元工作，一旦判斷出導電計時器達到計時要求,即認定船舶超吃水。[3]

1.2 水下檢測法

利用多波束聲吶對船舶超吃水進行檢測，首先需在航道兩側(cè)水底對稱布放2臺多波束聲吶設(shè)備,對航行的船舶進行波束掃描[4];然后對船體回波進行接收和計算，得出船舶的吃水深度及船體的形狀特性;最后通過對比船舶最大吃水深度判斷船舶是否超吃水。陳德山等[5]通過收放纜繩來控制載有多波束聲吶探測設(shè)備的鋁合金桁架的放置姿態(tài)，使聲吶始終保持向上仰角的姿態(tài)，克服船舶吃水深度不同造成的船舶吃水狀態(tài)測量困難。

超聲檢測又可分為單點檢測和陣列檢測。在單點檢測中，分別將單波束聲波發(fā)射器和聲波接收器安裝在河岸兩側(cè)，當船舶經(jīng)過時，收發(fā)器可沿著導軌上下往復(fù)運動并收發(fā)聲波。根據(jù)聲波接收器所輸出聲強的大小即可推斷測量裝置與船舶位置的遮擋關(guān)系，進而得出船舶底部輪廓線。[6]浙江湖州市港航管理局研究的“船舶超載量化檢測系統(tǒng)”[7]首先利用布置于航道兩側(cè)及底部的超聲波陣列掃描過往的船舶，其次應(yīng)用三維重建技術(shù)獲得船舶水下部分的三維輪廓圖案，最后根據(jù)船舶重建形體特征推斷過閘船舶的超吃水情況。

1.3 岸基檢測法

利用計算機視覺技術(shù)識別水尺也能實現(xiàn)船舶吃水檢測。該方法首先利用攝像機獲取船舶水尺圖像，然后對該圖像進行識別和處理，進而得到吃水深度。然而，由于現(xiàn)場場景復(fù)雜，所得圖像中并不一定包含水尺線。因此，一些研究者[8]提出基于類Haar特征和Gentle Adaboost算法的吃水線、船舷線檢測方法，在手動標定某一位置的標準船舶載重干舷之后，通過將該位置的實際干舷值與標準載重干舷值相比較來判斷船舶是否超吃水。

激光測量一般將激光雷達作為吃水檢測的核心設(shè)備，將激光雷達布置在橋梁等便于測量的位置，對在航船舶的舷側(cè)進行測繪并快速獲取其3D圖像數(shù)據(jù)。通過軟件處理之后與船舶基礎(chǔ)數(shù)據(jù)相比對，判定船舶是否超吃水。[9]

2 現(xiàn)有船舶吃水狀態(tài)檢測方法分析

針對上述檢測方法，對各自的優(yōu)點和缺點進行比較,結(jié)果見表1。

表1 船舶吃水狀態(tài)檢測方法比較

由表1可知，檢測設(shè)備的位置對實施過程和檢測效果都有很大影響?；诖白陨淼某运疇顟B(tài)檢測方法雖然原理簡單、實施容易，但由于安裝在待測船舶上，除了需經(jīng)常檢修以外，利益相關(guān)方還可能對測量數(shù)據(jù)進行篡改，進而使設(shè)備失效。

采用水下檢測方法能直接測得船舶的吃水狀況，但設(shè)備安裝地點受到很大限制，大多只能安裝在港口、人工河道等相對空間較小的區(qū)域，某些方案還需滑軌電機等輔助設(shè)備，給檢測和維修帶來很大困難。

相對而言，采用岸基檢測法雖然不能直接得出船舶吃水狀態(tài)，但可獲取船舶水上部分的高度，再結(jié)合船舶靜態(tài)參數(shù)即可推測出該船的吃水狀態(tài)。計算機視覺法則高度依賴于圖像質(zhì)量。在船舶航行過程中，時常遇到陰天、大霧等能見度較低的情況,此時拍攝效果較差，會對目標識別產(chǎn)生影響。[11]

本文采用基于激光數(shù)據(jù)的岸基檢測法，提出一種基于聚類分析的船舶水面輪廓重構(gòu)方法，能快速消除激光測量帶來的噪聲點，從而為船舶超吃水檢測提供準確的數(shù)據(jù)支持。

3 基于輪廓線聚類分析的船舶吃水激光檢測

3.1 檢測方案

將激光傳感器放置在橋梁下方A點處，同時將船舶自動識別系統(tǒng)(Automatic Identification System,AIS)船載終端安裝在船上的F區(qū)。在沒有船舶通過時，激光向下掃描得到水面數(shù)據(jù)；在有船舶經(jīng)過時，掃描到的數(shù)據(jù)分為3段，BC段和DE段仍是水面數(shù)據(jù)，而CD段是船舶的水上輪廓數(shù)據(jù)。激光傳感器將船舶水上輪廓數(shù)據(jù)送至處理中心，處理中心結(jié)合AIS船載終端主動發(fā)送的船長、船寬、型深及吃水等船舶靜態(tài)數(shù)據(jù)，即可估算出船舶的吃水情況，整個檢測方案見圖1。

圖1 激光掃描檢測示意

3.2 基于聚類分析的船舶輪廓提取方法

通過聚類分析，可從激光掃描數(shù)據(jù)中準確提取出船舶的輪廓線，并剔除其中的噪聲。

聚類分析以數(shù)據(jù)間的相似性為基礎(chǔ)，采用統(tǒng)計分析方法研究數(shù)據(jù)的分類問題。聚類算法分為硬聚類算法和軟聚類算法2種，本文采用軟聚類算法中的模糊C均值聚類算法[12-13]，即FCM算法(Fuzzy C-Means Algorithm)。

FCM算法是一種比較典型的模糊聚類算法，可將多維數(shù)據(jù)空間分布的數(shù)據(jù)點分成特定數(shù)目的類。[14]該算法可通過優(yōu)化目標函數(shù)得到各樣本點對所有類中心的隸屬度，從而決定樣本點的類屬,進而達到自動對樣本數(shù)據(jù)進行分類的目的。

在利用FCM算法時,首先需確定聚類的數(shù)目m，要求0≤m≤n，其中n為數(shù)據(jù)點總數(shù)。對船舶吃水檢測而言，一般可取m=2。設(shè)P(b)為初始對象聚類模型，b為迭代計數(shù)，ε為迭代閾值。

(1)

(2)

然后計算矩陣P(b+1)，有

(3)

采用FCM算法，需確定每個數(shù)據(jù)點歸屬于某個聚類的隸屬度函數(shù)，一般用U=[uij]表示，其中:ui0為該點屬于船舶的隸屬度；ui1為該點屬于水面的隸屬度。隸屬度函數(shù)定義為

(4)

式(4)中:H為水面到激光傳感器的距離;h為所有掃描數(shù)據(jù)中距離激光傳感器最近的點。當hi=H時，ui0=0，ui1=1，該數(shù)據(jù)點隸屬于水面；當hi=h時，ui0=1，ui1=0，該數(shù)據(jù)點隸屬于船舶；當h≤hi≤H時，ui0，ui1∈[0，l]。

在所有的激光掃描數(shù)據(jù)中，始終將水面數(shù)據(jù)的聚類中心設(shè)定為H點，而船舶數(shù)據(jù)的聚類中心初始點為h點。當有一個新的數(shù)據(jù)點被判斷隸屬于船舶數(shù)據(jù)之后，船舶數(shù)據(jù)新的聚類中心即為該點與初始點間的中點；當又有一個新的數(shù)據(jù)點被判斷隸屬于船舶數(shù)據(jù)之后，按照相同的方法繼續(xù)迭代，直到計算出聚類中心矩陣為V={v1,v2,…,vn}，再根據(jù)式(5)計算目標函數(shù)。

(5)

目標函數(shù)可視為聚類中所有數(shù)據(jù)點到聚類中心的加權(quán)距離的平方和。當該目標函數(shù)收斂到一個極小值時，即可認為已得到這些有效數(shù)據(jù)點的一個最優(yōu)的C-均值聚類劃分。

取艏部的一幀激光掃描數(shù)據(jù)作為樣本，對其進行模糊C-均值聚類，將代表水面的數(shù)據(jù)點和代表船舶輪廓的數(shù)據(jù)點分開。通過對FMC算法的聚類中心進行不斷迭代，最終確定2個最優(yōu)的聚類中心見圖2。

圖2 聚類中心分布

分別取艏部、舯部及駕駛臺的單幀數(shù)據(jù)進行聚類處理，可得到處理效果見圖3。

a)艏部

b)舯部

c)駕駛臺

3.3 船舶三維建模及吃水檢測

三維重構(gòu)技術(shù)[15]是指對三維物體建立適合計算機表示和處理的數(shù)學模型，既是在計算機環(huán)境下對其進行處理和操作并分析其性質(zhì)的基礎(chǔ)，也是在計算機中建立表達客觀世界的虛擬現(xiàn)實的關(guān)鍵技術(shù)。

本文基于激光掃描得到的點云數(shù)據(jù)，根據(jù)點云數(shù)據(jù)自身的特征，對點云進行三角化，實現(xiàn)對目標輪廓影像的再生，最終得到某采砂船的三維模型見圖4。

a)b)

圖4 某采砂船的三維重構(gòu)效果

采用同樣的處理方法可獲取其他類型船舶的三維重構(gòu)效果圖。圖5為某空載貨船的三維重構(gòu)效果。

結(jié)合上述2艘貨船的AIS靜態(tài)信息，可得檢測結(jié)果見表2。

由上述檢測結(jié)果可知,這些船舶的測量水上高度比理論水上高度略小，這可能是由水面波動影響造成的。測量結(jié)果基本上能反映實際情況，有較高的參考價值。

a)b)

圖5 某空載貨船的三維重構(gòu)效果

4 結(jié)束語

本文歸納總結(jié)了現(xiàn)有船舶吃水自動檢測技術(shù)，分析了各方法的優(yōu)劣，最終確定采用將激光傳感器放置在橋梁下方掃描過往船舶的測量方法。針對激光檢測設(shè)備容易產(chǎn)生大量噪聲點的問題，提出基于聚類分析的船舶輪廓提取方法。對經(jīng)該方法處理的激光點云數(shù)據(jù)進行三角化處理，即可實現(xiàn)對目標輪廓影像的再生，得到船舶水上部分三維模型。最后，結(jié)合船舶靜態(tài)信息計算出船舶吃水狀態(tài)。

經(jīng)實際驗證，利用本文方法可準確得到船舶的水上高度，從而推斷目標船是否違規(guī)裝載。該方法可提高海事監(jiān)管效率，減少船舶安全事故發(fā)生。

[1] 孫星,吳勇,初秀民. 船-標-岸協(xié)同下智能長江航運及其發(fā)展展望[J]. 交通信息與安全,2010(6):48-52.

[2] 嚴奇,陳衛(wèi)民,汪偉. 貨運船舶超載報警系統(tǒng)儀的研制[J]. 儀器儀表學報,2006(S1):228-229.

[3] 姜賓彬,魏海軍,鄭慧敏. 基于浮子式船舶超載遠程監(jiān)控系統(tǒng)的研究[J]. 科技致富向?qū)?2014(15):202-203.

[4] 黃其培. 基于多波束聲納的船舶超載檢測系統(tǒng)設(shè)計[J]. 艦船電子工程,2016(10):126-131.

[5] 陳德山,朱劍華,李吉祥,等. 基于多波束仰掃的內(nèi)河船舶吃水檢測技術(shù)[J]. 水運工程,2016(1):152-157.

[6] 吳俊,丁甡奇,余葵,等. 船舶底部縱剖輪廓線掃描測量方法[J]. 交通運輸工程學報,2014(2):62-67.

[7] 吳顯德,閔雪明,黃啟春. 內(nèi)河船舶超載量化檢測系統(tǒng)設(shè)計探討[J]. 工業(yè)控制計算機,2009(6):55-56.

[8] 王炎龍,陶青川. 基于計算機視覺的運砂船超載狀態(tài)檢測[J]. 現(xiàn)代計算機(專業(yè)版),2014(32):49-54.

[9] 王茹軍,陳俊,熊輝,等. 船舶超載吃水監(jiān)測系統(tǒng)設(shè)計與實現(xiàn)[J]. 交通科技,2015(2):157-160.

[10] SEDEK M, SERWA A. Development of New System for Detection of Bridges Construction Defects Using Terrestrial Laser Remote Sensing Technology[J]. The Egyptian Journal of Remote Sensing and Space Science, 2016(19): 273-283.

[11] 李祎承,胡釗政,初秀民. 基于圖像處理的內(nèi)河船舶目標提取與特征值計算[J]. 交通信息與安全,2015(3):1-8.

[12] KESEMEN O, TEZEL ?, ?ZKUL E. Fuzzy C-Means Clustering Algorithm for Directional Data (FCM4DD) [J]. Expert Systems with Applications, 2016, 58:76-82.

[13] REYES-GALAVIZ O F, PEDRYCZ W. Enhancement of the Classification and Reconstruction Performance of Fuzzy C-Means with Refinements of Prototypes[J]. Fuzzy Sets and Systems, 2016.

[14] 王璇,翁小雄. 基于模糊C均值聚類的快速路交通流相態(tài)劃分[J]. 交通信息與安全,2009(1):149-152.

[15] ZHANG T, LIU Jianhua, LIU Shaoli, et al. A 3D Reconstruction Method for Pipeline Inspection Based on Multi-Vision[J]. Measurement, 2017, 98: 35-48.

DraughtMonitoringBasedonContourClusterAnalysis

XIELei,XUEShuangfei,HUANGLi,BAOZhu

(National Engineering Research Center for Water Transport Safety, Wuhan University of Technology, Wuhan 430063, China)

Manually checking the draught of a ship can be inconvenient and inefficient. The automatic monitoring technology based on contour analysis is proposed which produces 3D image of the hull with the point cloud from the laser scanner. With the image the system can find the draught of the ship through checking the contour of the above water part of the hill against its drawing. The cluster algorithm is used for getting rid of measurement noises. Tests prove that the design works satisfactory with high accuracy and quick response.

laser point cloud； draught monitoring； fuzzy c-means algorithm； 3D reconstruction

2017-10-25

國家自然科學基金(51479158);交通運輸部應(yīng)用基礎(chǔ)研究項目(2013329811220)

謝 磊(1975—)，男，遼寧海城人，副教授，博士，研究方向為水上交通信息感知與控制技術(shù)。E-mail：xielei@whut.edu.cn

1000-4653(2018)01-0060-04

U665.26

A